مریم اسدی؛ علی فتحزاده
چکیده
آگاهی از میزان رسوب معلق رودخانهها یکی از مسائل اساسی در پروژههای آبی است که طراحان تأسیسات آبی همواره با آن روبرو بودهاند. با توجه به صرف هزینه و زمان طولانی جهت اندازهگیری بار معلق رودخانهها، استفاده از منحنیهای سنجۀ رسوب معمولترین روش برآورد بار رسوب معلق رودخانهها محسوب میگردد. این در حالی است که روشهای نوین ...
بیشتر
آگاهی از میزان رسوب معلق رودخانهها یکی از مسائل اساسی در پروژههای آبی است که طراحان تأسیسات آبی همواره با آن روبرو بودهاند. با توجه به صرف هزینه و زمان طولانی جهت اندازهگیری بار معلق رودخانهها، استفاده از منحنیهای سنجۀ رسوب معمولترین روش برآورد بار رسوب معلق رودخانهها محسوب میگردد. این در حالی است که روشهای نوین مبتنی بر هوش مصنوعی و دادهکاوی در بسیاری از علوم مهندسی رخنه کرده است. بر همین اساس هدف اصلی این تحقیق به چالش کشیدن توانمندی روش کلاسیک برآورد بار معلق در مقایسه با برخی روشهای نوظهور میباشد. ما در این پژوهش شش مدل،K نزدیکترین همسایه، شبکۀ عصبی پس انتشار خطا، فرآیند گوسی، درخت تصمیمگیری M5، ماشینبردار پشتیبان و ماشینبردار پشتیبان تکاملی را انتخاب و به مقایسۀ آنها با مدل سنجۀ رسوب در هشت حوزۀ آبخیز واقع در استان گیلان پرداختیم. طول دوره آماری دادههای ورودی به مدلها به صورت روزانه و 30 ساله در نظر گرفته شد. ارزیابی نتایج حاصله نشان داد مدل فرآیند گوسی در مقایسه با سایر مدلها، با کمترین مجموع مربعات باقیمانده (RMSE) (متوسط مجموع مربعات باقی مانده= 05/37 در هشت حوزه) و بیشترین ضریب همبستگی (r) (متوسط ضریب همبستگی 72/0 در هشت حوزه) و با بهترین ضریب ناش- ساتکلیف (متوسط 66/0 در هشت حوزه) نسبت به سایر مدلها از کارآیی بیشتری برخوردار است. لذا استفاده از مدلهای مذکور به جای روشهای معمول برآورد بار معلق میتواند دقت این برآوردها را به میزان قابل ملاحظهای بهبود بخشد.
شهربانو عباسی جندانی؛ علی فتحزاده
چکیده
برف یکی از مؤلفههای اصلی چرخة آب در بسیاری از حوضههای کوهستانی دنیاست. با توجه به اینکه جمعآوری دادههای دقیق در این مورد نیازمند صرف وقت و هزینة بسیاری است و گاهی سخت و غیرممکن به نظر میرسد، استفاده از روشهای زمینآماری، به منزلة تکنیکی برای تبدیل دادههای نقطهای به منطقهای، میتواند راهگشا باشد. در این تحقیق، ...
بیشتر
برف یکی از مؤلفههای اصلی چرخة آب در بسیاری از حوضههای کوهستانی دنیاست. با توجه به اینکه جمعآوری دادههای دقیق در این مورد نیازمند صرف وقت و هزینة بسیاری است و گاهی سخت و غیرممکن به نظر میرسد، استفاده از روشهای زمینآماری، به منزلة تکنیکی برای تبدیل دادههای نقطهای به منطقهای، میتواند راهگشا باشد. در این تحقیق، با استفاده از دادههای چهارده ایستگاه برفسنجی غرب استان اصفهان، پهنهبندی آب معادل برف در دورة آماری 1368 ـ 1389 با استفاده از چهار روش زمینآماری و قطعی کریجینگ، کوکریجینگ، تابع شعاعمحور و عکس فاصلة وزنی در محیط نرمافزاری ArcGIS 9.3 انجام شد. بدین منظور، نخست آزمون نرمالبودن کولموگراف- اسمیرنوف برای دادهها اجرا و سپس واریوگرام دادهها به منظور تعیین همگنی، ایستایی و روند دادهها ترسیم شد. پس از تشخیص تناسب دادهها و آمادهسازی آنها در محیط 9.3 ArcGIS، برای هر سال با مقایسة چهار روش ذکرشده و بر اساس کمترین میزان RMSE، بهترین روش درونیابی برای پهنهبندی انتخاب و نقشههای پهنهبندی ترسیم شد. نتایج نشان میدهد که در بیشتر سالهای این دورة آماری در منطقة مورد نظر روش تابع شعاعمحور نتایج بهتری ارائه میدهد. علاوه بر این، نتایج نشان میدهد که میزان آب معادل برف از سمت جنوب و غرب حوزه به سمت شمال و شرق کاهش مییابد.
علی فتحزاده؛ سمیه ابدام
چکیده
در بسیاری از حوضههای آبخیز کوهستانی، برف انباشتهشده در برفچالها ذخیرة درخور توجهی از منابع آب حوضهها را تأمین میکند. بنابراین، پایش این رژیم هیدرولوژیکی، بهویژه بررسی توزیع مکانی ذخایر برفی، از نیازهای اساسی مدیران منابع آب بهشمار میرود. به دلیل سختبودن و حتی در برخی موارد ناممکنبودن آماربرداری از دادههای برف، ...
بیشتر
در بسیاری از حوضههای آبخیز کوهستانی، برف انباشتهشده در برفچالها ذخیرة درخور توجهی از منابع آب حوضهها را تأمین میکند. بنابراین، پایش این رژیم هیدرولوژیکی، بهویژه بررسی توزیع مکانی ذخایر برفی، از نیازهای اساسی مدیران منابع آب بهشمار میرود. به دلیل سختبودن و حتی در برخی موارد ناممکنبودن آماربرداری از دادههای برف، توسعة روشهایی برای برآوردِ عمقِ برف در نقاط فاقد اندازهگیری و نیز بررسی دامنة کاربرد آنها امری ضروری است. در این پژوهش محدودهای به مساحت 16 هکتار در حوضة آبخیز سخوید تفت انتخاب شد و با بهرهگیری از 216 داده عمق برف و دخالت 31 پارامتر سرزمین، به ارزیابی کارایی روشهای زمینآماری (کریجینگ، کوکریجینگ، روش عکس فاصله) و روش شبکة عصبی مصنوعی در برآورد توزیع مکانی عمق برف پرداخته شد. نتایج این تحقیق نشان داد روش شبکة عصبی مصنوعی با ضریب همبستگی 9/0 و مجذور میانگین استاندارد خطای 8/6 سانتیمتر مناسبترین روش برای برآورد عمق برف در منطقة مورد مطالعه است. همچنین، بهترین مدل عصبی بهدستآمده از روش سعی و خطا در این تحقیق مدل پرسپترون چندلایه و بهترین تابع فعالیت تابع سیگموئید تعیین شد. نتایج آنالیز حساسیت با استفاده از شبکة عصبی مصنوعی نیز نشان داد که از بین پارامترهای بهکاررفته در شبکة عصبی مصنوعی پارامترهای مقطع طولی انحنا، انحنا، مقطع عرضی انحنا، اثر باد، شیب حوضه، ارتفاع نرمالشده، موقعیت و شیب میانه بهترتیب جزو مؤثرترین عوامل در برآورد عمق برفاند.
مهدی تیموری؛ علی فتحزاده
چکیده
برای بهرهگیری از دادههای جریان رودخانه در مدل سازیهای هیدرولوژیک باید دادههای مناسب، طولانی مدت و دارای شرایط ویژه مانند دادههای فاقد روند، بدون جهش، تصادفی و نیز تعیین بهترین تابع توزیع در اختیار داشت. در این پژوهش به بررسی شرایط فوق در دادههای متوسط سالانه جریان 10 ایستگاه هیدرومتری در استان آذربایجان غربی در بازه زمانی ...
بیشتر
برای بهرهگیری از دادههای جریان رودخانه در مدل سازیهای هیدرولوژیک باید دادههای مناسب، طولانی مدت و دارای شرایط ویژه مانند دادههای فاقد روند، بدون جهش، تصادفی و نیز تعیین بهترین تابع توزیع در اختیار داشت. در این پژوهش به بررسی شرایط فوق در دادههای متوسط سالانه جریان 10 ایستگاه هیدرومتری در استان آذربایجان غربی در بازه زمانی 31 ساله (1383-1353) پرداخته شده است. به این منظور برای بررسی روند از روش ناپارامتری ضریب همبستگی اسپیرمن و آزمون منکندال، در مورد تصادفی بودن دادهها از آزمون ناپارامتری ران آزمون، برای بررسی جهش از آزمون ناپارامتری بدون توزیع مجموع تراکمی و برای مطالعه بهترین تابع توزیع از آماره کلموگروف اسمیرنوف برای مقایسه توابع احتمالاتی مختلف استفاده گردید. نتایج این پژوهش نشان داد که تمام ایستگاهها دارای دادههای تصادفی، بدون جهش و فاقد روند (بجز ایستگاه پل بهراملو) بودند. همچنین بیشتر آنها از تابع توزیع احتمالاتی گاما تبعیت میکنند.